Accurate where it counts: Empathic accuracy on conflict and no-conflict days.
Notice bibliographique
Résumé
When we are accurate regarding our partners' negative moods, are we seen as more responsive (and do we see them as such) as a function of the presence/absence of conflict? In 2 daily diary studies, empathic accuracy (EA) was assessed by comparing targets' daily negative moods with perceivers' inferences of these moods. We hypothesized that conflict will be associated with reductions in perceived partner responsiveness (PPR) for both parties; that on no-conflict days, EA will be positively associated with both parties' PPR; that on conflict days, this positive association will be stronger for targets but will become negative for perceivers; and that regardless of conflict, overestimation (vs. underestimation) of negative moods will be tied with higher PPR for targets but with lower PPR for perceivers. Thirty-six (Sample 1) and 77 (Sample 2) committed couples completed daily diaries (for 21 or 35 days, respectively). We utilized multilevel polynomial regression with response surface analyses, a sophisticated approach for studying multisource data of this sort (Edwards & Parry, 1993). Results partially supported our hypotheses: conflict was tied to reduced PPR; on no-conflict days, EA was not consistently predictive of target or perceiver PPR; on conflict days, EA predicted increased target PPR but decreased perceiver PPR; finally, overestimation predicted increased target PPR on no-conflict days and decreased perceiver PPR regardless of conflict. These results highlight the double-edged effects of EA on conflict days, and the importance of investigating dyadic EA in a context-sensitive approach. (PsycINFO Database Record
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,005 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».